CN115837799B - 一种喷墨头驱动信号的优化方法、装置及存储介质 - Google Patents

一种喷墨头驱动信号的优化方法、装置及存储介质 Download PDF

Info

Publication number
CN115837799B
CN115837799B CN202310148352.0A CN202310148352A CN115837799B CN 115837799 B CN115837799 B CN 115837799B CN 202310148352 A CN202310148352 A CN 202310148352A CN 115837799 B CN115837799 B CN 115837799B
Authority
CN
China
Prior art keywords
driving signal
flow waveform
current driving
distribution
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310148352.0A
Other languages
English (en)
Other versions
CN115837799A (zh
Inventor
郭煜晨
王红兵
李小磊
伍德民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202310148352.0A priority Critical patent/CN115837799B/zh
Publication of CN115837799A publication Critical patent/CN115837799A/zh
Application granted granted Critical
Publication of CN115837799B publication Critical patent/CN115837799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本公开涉及喷墨头技术领域,具体涉及一种喷墨头驱动信号的优化方法、装置及存储介质,该方法包括建立基于驱动信号与流量波形分布关系的集总参数模型;利用集总参数模型,计算当前驱动信号的实际流量波形分布,其中,驱动信号包含用于抑制残余震荡的辅助信号;基于目标参考波形分布,判断实际流量波形分布是否符合要求;若否,则更新当前驱动信号,返回利用集总参数模型,计算当前驱动信号的实际流量波形分布的步骤;若是,则输出当前驱动信号。实现了对驱动信号的优化,采用优化后的驱动信号对喷墨头进行驱动,使得喷墨后腔室内压力波的残余震荡能够控制在要求范围内,提升了对喷墨打印头的残余震荡的抑制效果,降低了连续喷墨的时间间隔。

Description

一种喷墨头驱动信号的优化方法、装置及存储介质
技术领域
本公开涉及喷墨头技术领域,尤其涉及一种喷墨头驱动信号的优化方法、装置及存储介质。
背景技术
随着现代工业的发展,对工业用喷墨打印头的性能有了更高的要求,如打印喷率、墨滴精度等。由于压电喷墨头的打印喷墨是通过腔室体积改变及内部压力波的传递实现的,一次喷墨后腔室内部存在压力波的残余振荡,影响后续喷墨的质量与连续喷墨的时间间隔,限制了高频率喷墨头的喷墨上限。目前主要通过简单改变驱动信号梯形波的几何参数来抑制残余震荡,但抑制效果不佳。
因此,现有技术对喷墨打印头的残余震荡抑制效果不佳。
发明内容
为了解决上述技术问题,本公开提供了一种喷墨头驱动信号的优化方法、装置及存储介质。
第一方面,本公开提供了一种喷墨头驱动信号的优化方法,所述方法包括:
步骤S101:建立基于驱动信号与流量波形分布关系的集总参数模型;
步骤S102:利用集总参数模型,计算当前驱动信号的实际流量波形分布,其中,驱动信号包含用于抑制残余震荡的辅助信号;
步骤S103:基于目标参考波形分布,判断实际流量波形分布是否符合要求;
若否,则执行步骤S104:若是,则执行步骤S105;
步骤S104:更新当前驱动信号,返回步骤S102;
步骤S105:输出当前驱动信号。
优选地,所述建立基于驱动信号与流量波形分布关系的集总参数模型的步骤,包括:
将喷墨头的流体参数比拟为电路中的元件参数,建立基于驱动信号与流量波形分布关系的集总参数模型。
优选地,所述将喷墨头的流体参数比拟为电路中的元件参数的步骤包括:
将喷墨头的流量参数比拟为电路中的电流参数,将喷墨头的流阻参数比拟为电路中的电阻参数。
优选地,所述利用集总参数模型,计算当前驱动信号的实际流量波形分布的步骤之前,还包括:
对当前驱动信号中的辅助信号进行均值滤波,得到滤波后的当前驱动信号。
优选地,所述对当前驱动信号中的辅助信号进行均值滤波,得到滤波后的当前驱动信号的步骤,包括:
将辅助信号以时间段进行分割,其中,每个时间段内的辅助信号为同一值;
对相邻时间段的辅助信号进行均值滤波,得到滤波后的当前驱动信号。
优选地,所述基于目标参考波形分布,判断实际流量波形分布是否符合要求的步骤,包括:
利用残差算式计算实际流量波形分布与目标参考波形分布的残差值;
判断残差值是否小于残差阈值。
优选地,所述残差算式为:
其中,Qacti为第i个时间段的实际流量波形值,Qrefi为第i个时间段的目标参考波形值,Q0i为未施加辅助信号的第i个时间段的实际流量波形值,Nmid为喷墨过程结束时的时间段序号,Nend为时间段的最大序号,α为平衡优化过程中辅助信号对喷墨流量波形影响的权重系数。
优选地,所述更新当前驱动信号的步骤,包括:
利用非梯度优化算法更新当前驱动信号,得到更新后的当前驱动信号。
第二方面,本公开还提供了一种喷墨头驱动信号的优化装置,包括:
模型建立模块:用于建立基于驱动信号与流量波形分布关系的集总参数模型;
计算模块:用于利用集总参数模型,计算当前驱动信号的实际流量波形分布,其中,驱动信号包含用于抑制残余震荡的辅助信号;
判断模块:用于基于目标参考波形分布,判断实际流量波形分布是否符合要求;若否,则更新当前驱动信号,返回利用集总参数模型,计算当前驱动信号的实际流量波形分布的步骤;若是,则输出当前驱动信号。
第三方面,本公开还提供了一种计算机可读存储介质,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行上述第一方面中任意一项所述方法的步骤。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
本公开提供的一种喷墨头驱动信号的优化方法,建立基于驱动信号与流量波形分布关系的集总参数模型;利用集总参数模型,计算当前驱动信号的实际流量波形分布,其中,驱动信号包含用于抑制残余震荡的辅助信号;基于目标参考波形分布,判断实际流量波形分布是否符合要求;若否,则更新当前驱动信号,返回利用集总参数模型,计算当前驱动信号的实际流量波形分布的步骤;若是,则输出当前驱动信号。通过建立喷墨头的集总参数模型,计算不同驱动信号的实际流量波形分布,基于目标参考波形分布判断出实际流量波形分布是否符合要求,不符合要求则更新当前驱动信号,继续利用集总参数模型计算更新后的驱动信号对应的实际流量波形分布,直到输出符合要求的当前驱动信号。实现了对驱动信号的优化,采用优化后的驱动信号对喷墨头进行驱动,使得喷墨后腔室内压力波的残余震荡能够控制在要求范围内,提升了对喷墨打印头的残余震荡的抑制效果,降低了连续喷墨的时间间隔,从而提高了后续喷墨的质量及高频率喷墨头的喷墨上限。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的喷墨头驱动信号的优化方法流程图;
图2为本公开实施例提供的喷墨头的常规驱动信号示意图;
图3为本公开实施例提供的常规驱动信号驱动后形成的流量波形分布图;
图4为图1示出的优化方法中步骤S101的一种细化流程示意图;
图5为本公开实施例提供的喷墨头的剖视图;
图6为本公开实施例提供的集总参数模型的电路示意图;
图7为图4示出的优化方法中步骤S401的一种细化流程示意图;
图8为图1示出的优化方法中步骤S102之前的一种细化流程示意图;
图9为图8示出的优化方法中步骤S801的一种细化流程示意图;
图10为本公开实施例提供的驱动信号的滤波示意图;
图11为应用图10中滤波半径为5的驱动信号驱动后的喷嘴处流量波形示意图;
图12为图1示出的优化方法中步骤S103的一种细化流程示意图;
图13为图1示出的优化方法中步骤S104的一种细化流程示意图;
图14为本公开实施例提供的一种喷墨头驱动信号的优化装置示意图;
图15为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
下面结合附图,对本公开实施例提供的一种喷墨头驱动信号的优化方法、装置及存储介质进行示例性说明。
参阅图1,本公开实施例提供了一种喷墨头驱动信号的优化方法,方法包括如图1所示的步骤S101-步骤S105:
步骤S101:建立基于驱动信号与流量波形分布关系的集总参数模型。
步骤S102:利用集总参数模型,计算当前驱动信号的实际流量波形分布,其中,驱动信号包含用于抑制残余震荡的辅助信号。
步骤S103:基于目标参考波形分布,判断实际流量波形分布是否符合要求。
若否,则执行步骤S104:若是,则执行步骤S105。
步骤S104:更新当前驱动信号,返回步骤S102。
步骤S105:输出当前驱动信号。
具体地,流量波形分布是指会对喷墨频率造成影响的位置的流量波形分布,具体地,流量波形分布可以是喷墨头处的流量波形分布。
在完成一次喷墨驱动后会持续存在压力波的残余震荡,如图2所示为喷墨头的常规驱动信号也就是常规驱动电压,驱动信号的波形为梯形驱动波,如图3所示为采用常规驱动信号进行驱动后,喷嘴处由于存在残余振荡而形成的流量波形分布图,图3中的虚线为理想状态下喷墨完成一次后,喷嘴处的流量波形分布,即喷出墨滴后无振荡残留。驱动信号中包含的辅助信号用于抑制压力波的残余震荡,也相当于残余震荡的主动抑制信号。辅助信号即在现有技术的驱动信号之后附加的一种对残余震荡的抑制作用最优的主动抑制信号,辅助信号可以是随机生成的,并以目标参考波形分布为优化目标,不断更新辅助信号,直到包含辅助信号的驱动信号所产生的实际流量波形分布符合要求。辅助信号所在位置即为图2中梯形波后的波形区域,图2中梯形波后的波形区域为直线,即为未添加辅助信号的常规驱动信号。上述实施例中的驱动信号包含了辅助信号,在驱动信号中增加辅助信号有利用提升喷墨头打印频率和墨滴质量。
目标参考波形分布可根据具体需要进行预设,目标参考波形分布设置的越平缓,对残余震荡的抑制效果越明显,对驱动信号的优化标准也就越严格。
通过上述方法,本公开实施例首先建立喷墨头的集总参数模型,使得驱动信号与实际流量波形分布关系可数据化,可计算不同驱动信号的实际流量波形分布,基于目标参考波形分布判断出实际流量波形分布是否符合要求,不符合要求则更新当前驱动信号,继续利用集总参数模型计算更新后的驱动信号对应的实际流量波形分布,直到输出符合要求的当前驱动信号。实现了对驱动信号的优化,采用优化后的驱动信号对喷墨头进行驱动,使得喷墨后腔室内压力波的残余震荡能够控制在要求范围内,提升了对喷墨打印头的残余震荡的抑制效果,降低了连续喷墨的时间间隔,从而提高了后续喷墨的质量及高频率喷墨头的喷墨上限。
参阅图4,在本公开实施例的一个实施方式中,步骤S101具体可以包括如图4所示的步骤S401。
步骤S401:将喷墨头的流体参数比拟为电路中的元件参数,建立基于驱动信号与流量波形分布关系的集总参数模型。
如图5所示为本公开实施例提供的喷墨头的剖视图,示例性地,喷墨头包括来流段1、压力腔2、引流段3和喷嘴4,墨水从来流段1进入压力腔2,在压力腔2中受力流向引流段3,经喷嘴4喷出完成喷墨。喷墨头的集总参数模型将喷墨头中各流段的流体参数比拟为如图6所示的电学电路中的元件参数,示例性地,将来流段1比拟为电路中的第一电路模块5、将压力腔2比拟为电路中的第二电路模块6、将引流段3比拟为电路中的第三电路模块7,通过测量电路中的元件参数比拟为喷墨头各个流段的流体参数。利用集总参数模型实现了喷墨头的驱动电压与喷嘴处的流量波形分布的可数据化,可快速计算出不同驱动信号下喷墨头各个流段中的流量变化,尤其是喷嘴处的流量波形分布,从而可将喷嘴处的流量波形分布朝着目标参考波形分布的方向进行优化,直到喷嘴处的流量波形分布符合要求,获得优化后的驱动信号。
参阅图7,在本公开实施例的一个实施方式中,步骤S401中将喷墨头的流体参数比拟为电路中的元件参数,具体可以包括如图7所示的步骤S701。
步骤S701:将喷墨头的流量参数比拟为电路中的电流参数,将喷墨头的流阻参数比拟为电路中的电阻参数。
具体地,通过将喷墨头的流量参数比拟为电路中可测量的电流参数,将喷墨头的流阻参数比拟为电路中的可测量的电阻参数,建立喷墨头的集总参数模型,实现快速计算不同驱动电压下喷嘴处的流量波形分布。
参阅图8,在本公开实施例的一个实施方式中,步骤S102之前,具体还可以包括如图8所示的步骤S801。
步骤S801:对当前驱动信号中的辅助信号进行均值滤波,得到滤波后的当前驱动信号。
具体地,由于辅助信号的电压剧烈变化会增加实际应用的成本,因此需要对辅助信号进行均值滤波,使得辅助信号的电压波形能够趋于相对平滑或相对平稳的状态,利于降低实际应用中的成本,进一步提升了驱动信号的综合性优化效果。
参阅图9,在本公开实施例的一个实施方式中,步骤S801具体可以包括如图9所示的步骤S901- 步骤S902。
步骤S901:将辅助信号以时间段进行分割,其中,每个时间段内的辅助信号为同一值。
步骤S902:对相邻时间段的辅助信号进行均值滤波,得到滤波后的当前驱动信号。
具体地,通过在标准驱动波形后优化设计辅助波形使得残余震荡快速衰减,最终使得实际的流量波形分布趋近于目标参考波形分布。示例性地,在上述实施例公开的喷墨头驱动信号的优化方法中,将标准驱动信号中梯形驱动波后一定时间内的辅助信号的电压值分布作为设计变量,将目标参考波形分布作为优化目标,将作为集总参数模型、驱动电压上限及驱动电压下限作为设计约束。将辅助信号以一较小时间段分割,每个时间段内辅助信号的电压为同一值,不同时间段辅助信号的电压可以不同,各个时间段的电压值组成设计变量,将辅助信号的电压以较小的时间间隔进行分隔,大幅度增加了驱动信号的灵活性;在优化过程中对相邻时间段的辅助信号进行均值滤波,滤波半径为与该时间段相邻时间段做均值的个数,如图10所示,图10中的(a)为未滤波的驱动信号的电压波形图,图10中的(b)为滤波半径为1的驱动信号的电压波形图,图10中的(c)为滤波半径为3的驱动信号的电压波形图,图10中的(d)为滤波半径为5的驱动信号的电压波形图,上述的驱动信号均包含辅助信号,由图可知,滤波半径越大,辅助信号的电压波形图越平缓,实际应用成本也就越低。如图11所示,为应用图10中滤波半径为5的驱动信号进行驱动后,喷墨头的喷嘴处流量随时间变化的波形图,可以明显看出喷墨后残余震荡迅速衰减,可以快速进行下一次喷墨。
参阅图12,在本公开实施例的一个实施方式中,步骤S103具体可以包括如图12所示的步骤S1201- 步骤S1202。
步骤S1201:利用残差算式计算实际流量波形分布与目标参考波形分布的残差值。
步骤S1202:判断残差值是否小于残差阈值。
若否,则执行步骤S1203:若是,则执行步骤S1204。
步骤S1203:更新当前驱动信号。
步骤S1204:输出当前驱动信号。
通过上述方法,可计算得到实际流量波形分布与目标参考波形分布之间的残差值,通过判断残差值是否小于预设的残差阈值,来判断当前的实际流量波形是否符合要求,残差阈值可根据实际需求及优化标准进行具体设置,残差阈值设置的越小,则优化后的实际流量波形分布越接近目标参考波形分布。
在本公开实施例的一个实施方式中,残差算式为:
其中,Qacti为第i个时间段的实际流量波形值,Qrefi为第i个时间段的目标参考波形值,Q0i为未施加辅助信号的第i个时间段的实际流量波形值,Nmid为喷墨过程结束时的时间段序号,Nend为时间段的最大序号,α为平衡优化过程中辅助信号对喷墨流量波形影响的权重系数。
通过上述方法,利用残差算式可计算得到目标值即为残差值,计算残差值使得实际流量波形分布与目标参考波形分布之间的差异在要求的范围内,从而获得优化后的驱动电压。
参阅图13,在本公开实施例的一个实施方式中,步骤S104具体还可以包括步骤S1301。
步骤S1301:利用非梯度优化算法更新当前驱动信号,得到更新后的当前驱动信号。
通过上述方法,采用非梯度优化算法对当前驱动信号进行更新,并结合集总参数模型,可快速计算出优化后的驱动信号,示例性地,非梯度优化算法可以采用粒子群算法,但不限于粒子群算法。粒子群算法具有较强的通用性原理简单,易于实现,需要调整的参数少,收敛速度快,对计算机的内存要求不大的优势,并且粒子群算法所具有的飞跃性使得其更容易找到全局最优值,而不会被困在局部最优。具体地,初始的当前驱动信号中包含的辅助信号为0,通过集总参数模型计算出实际流量波形分布,并判断实际流量波形分布与目标参考波形之间的残差值是否小于预设的残差阈值,若不满足则利用粒子群算法对当前驱动信号进行更新,直到残差值满足预设的残差阈值,此时输出的当前驱动信号即为优化后的驱动信号。
参阅图14,本公开实施例还提供了一种喷墨头驱动信号的优化装置,包括:
模型建立模块1401:用于建立基于驱动信号与流量波形分布关系的集总参数模型;
计算模块1402:用于利用集总参数模型,计算当前驱动信号的实际流量波形分布,其中,驱动信号包含用于抑制残余震荡的辅助信号;
判断模块1403:用于基于目标参考波形分布,判断实际流量波形分布是否符合要求;若否,则更新当前驱动信号,返回利用集总参数模型,计算当前驱动信号的实际流量波形分布的步骤;若是,则输出当前驱动信号。
上述喷墨头驱动信号的优化装置用于执行上述实施例中喷墨头驱动信号的优化方法,因此上述喷墨头驱动信号的优化装置也可以达到与上述喷墨头驱动信号的优化方法相同或至少类似的技术效果,为了描述简洁,在此不再赘述。
本公开实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行上述喷墨头驱动信号的优化方法实施例中的任一项所述方法的步骤。
在一些实施例中,该计算机可执行指令在由计算机处理器执行时还可以用于执行本公开实施例所提供的上述喷墨头驱动信号的优化方法的技术方案,实现对应的有益效果。
本公开实施例还提供了一种电子设备,包括:处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行上述喷墨头驱动信号的优化方法实施例中任一项所述方法的步骤。
图15为本公开实施例提供的电子设备的硬件结构示意图。如图15所示,电子设备包括一个或多个处理器1501和存储器1502。
处理器1501可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器1502可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器1501可以运行所述程序指令,以实现上文所述的本公开的实施例的车门控制方法,和/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备还可以包括:输入装置1503和输出装置1504,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
此外,该输入装置1503还可以包括例如键盘、鼠标等等。
该输出装置1504可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出装置1504可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图15中仅示出了该电子设备中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种喷墨头驱动信号的优化方法,其特征在于,所述方法包括:
步骤S101:建立基于驱动信号与流量波形分布关系的集总参数模型,包括:将喷墨头的流体参数比拟为电路中的元件参数,建立基于驱动信号与流量波形分布关系的集总参数模型;其中,所述流量波形分布是会对喷墨频率造成影响的位置的流量波形分布;
所述将喷墨头的流体参数比拟为电路中的元件参数的步骤包括:
将喷墨头的流量参数比拟为电路中的电流参数,将喷墨头的流阻参数比拟为电路中的电阻参数;
步骤S102:利用集总参数模型,计算当前驱动信号的实际流量波形分布,其中,驱动信号包含用于抑制残余震荡的辅助信号;
步骤S103:基于目标参考波形分布,判断实际流量波形分布是否符合要求,包括:
利用残差算式计算实际流量波形分布与目标参考波形分布的残差值;
判断残差值是否小于残差阈值;
若否,则执行步骤S104:若是,则执行步骤S105;
步骤S104:更新当前驱动信号,返回步骤S102;
步骤S105:输出当前驱动信号。
2.根据权利要求1所述的喷墨头驱动信号的优化方法,其特征在于,所述利用集总参数模型,计算当前驱动信号的实际流量波形分布的步骤之前,还包括:
对当前驱动信号中的辅助信号进行均值滤波,得到滤波后的当前驱动信号。
3.根据权利要求2所述的喷墨头驱动信号的优化方法,其特征在于,所述对当前驱动信号中的辅助信号进行均值滤波,得到滤波后的当前驱动信号的步骤,包括:
将辅助信号以时间段进行分割,其中,每个时间段内的辅助信号的电压为同一值;
对相邻时间段的辅助信号进行均值滤波,得到滤波后的当前驱动信号。
4.根据权利要求1所述的喷墨头驱动信号的优化方法,其特征在于,所述残差算式为:
其中,Obj为残差值,Qacti为第i个时间段的实际流量波形值,Qrefi为第i个时间段的目标参考波形值,Q0i为未施加辅助信号的第i个时间段的实际流量波形值,Nmid为喷墨过程结束时的时间段序号,Nend为时间段的最大序号,α为平衡优化过程中辅助信号对喷墨流量波形影响的权重系数。
5.根据权利要求1所述的喷墨头驱动信号的优化方法,其特征在于,所述更新当前驱动信号的步骤,包括:
利用非梯度优化算法更新当前驱动信号,得到更新后的当前驱动信号。
6.一种喷墨头驱动信号的优化装置,其特征在于,包括:
模型建立模块:用于建立基于驱动信号与流量波形分布关系的集总参数模型;
计算模块:用于利用集总参数模型,计算当前驱动信号的实际流量波形分布,其中,驱动信号包含用于抑制残余震荡的辅助信号;
判断模块:用于执行如权利要求1所述方法中的步骤S103至步骤S105。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至5任一项所述方法的步骤。
CN202310148352.0A 2023-02-22 2023-02-22 一种喷墨头驱动信号的优化方法、装置及存储介质 Active CN115837799B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310148352.0A CN115837799B (zh) 2023-02-22 2023-02-22 一种喷墨头驱动信号的优化方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310148352.0A CN115837799B (zh) 2023-02-22 2023-02-22 一种喷墨头驱动信号的优化方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN115837799A CN115837799A (zh) 2023-03-24
CN115837799B true CN115837799B (zh) 2023-04-25

Family

ID=85580064

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310148352.0A Active CN115837799B (zh) 2023-02-22 2023-02-22 一种喷墨头驱动信号的优化方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN115837799B (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1274510C (zh) * 1999-09-21 2006-09-13 松下电器产业株式会社 喷墨头及喷墨式记录装置
JP2001113731A (ja) * 1999-10-22 2001-04-24 Sony Corp プリンタ及びプリンタヘッドの制御方法
CN1330486C (zh) * 2001-09-20 2007-08-08 株式会社理光 图像记录装置
WO2007052434A1 (ja) * 2005-10-31 2007-05-10 Kyocera Corporation 液体吐出装置、圧電インクジェットヘッドおよび液体吐出装置の駆動方法
JP4793563B2 (ja) * 2006-01-27 2011-10-12 ブラザー工業株式会社 インク滴吐出装置
JP2010137537A (ja) * 2008-11-12 2010-06-24 Seiko Epson Corp 流体噴射装置
JP5262887B2 (ja) * 2009-03-19 2013-08-14 セイコーエプソン株式会社 流体噴射装置の製造方法、及び、流体噴射装置
JP6331531B2 (ja) * 2014-03-17 2018-05-30 株式会社リコー 液滴吐出装置、画像形成装置、及び液滴吐出装置の制御方法
JP2021181210A (ja) * 2020-05-20 2021-11-25 東芝テック株式会社 液体吐出ヘッド及び液体吐出装置

Also Published As

Publication number Publication date
CN115837799A (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
US10384239B2 (en) Methods and apparatus for ultrasonic lens cleaner using configurable filter banks
US10780467B2 (en) Methods and apparatus for surface wetting control
CN110027553B (zh) 一种基于深度强化学习的防碰撞控制方法
EP2907726B1 (en) Vehicular steering controller
US8109587B2 (en) Capacitive load driving circuit and liquid droplet jetting apparatus
CN115837799B (zh) 一种喷墨头驱动信号的优化方法、装置及存储介质
US7798591B2 (en) Capacitive load driving circuit and droplet ejection apparatus
EP2743899B1 (en) Driving assistance device
KR101449878B1 (ko) 차량용 범퍼
CN104246849A (zh) 防撞辅助装置
Jiang et al. Reinforcement Learning based cooperative longitudinal control for reducing traffic oscillations and improving platoon stability
US20160271939A1 (en) Driving circuit for driving a capacitive load
US11345167B2 (en) Information processing apparatus, learning apparatus, and storage medium storing learnt model
Patil et al. Fluid Structure Interaction Simulations Applied to Automotive Aerodynamics
US11163153B1 (en) Adjusting notch frequency of adaptive notch filter to track resonant frequency of slow scan microelectromechanical systems (MEMS) mirror
JP6365101B2 (ja) 液体吐出装置およびヘッドユニット
US7121640B2 (en) Method and apparatus for aligning image of ink-jet printer
JP2015151085A (ja) 車両制御装置
US10112385B2 (en) Ambient temperature based flow rates
CN112184821B (zh) 相机翻滚角的调整方法和装置、存储介质、电子设备
Yang et al. Piezoelectric drop-on-demand inkjet printing with ultra-high droplet velocity
Cruz-Suárez et al. A version of the Euler equation in discounted Markov decision processes
CN114132315B (zh) 自动驾驶车辆的控制方法、装置及电子设备
WO2021100348A1 (ja) 静電容量式センサ、静電容量検出方法、及び、静電容量検出プログラム
JP2022147106A (ja) 印刷装置、印刷方法、印刷プログラムおよび記録媒体

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant